Примерное время чтения: 7 Minuti
Дисциплина зародилась как отрасль информационных технологий с целью создания машин:
На протяжении многих лет искусственный интеллект часто разжигал философские дебаты, чтобы дать ответы о возможности замены человека машиной ... возможно ли это?
В связи с этим мы можем выделить два течения мысли:
Мы говорим о слабом искусственном интеллекте (слабом искусственном интеллекте), когда целью не является создание систем, которые обладают интеллектом, сопоставимым с человеческим. Но системы, которые могут успешно действовать в одной или нескольких сложных сферах деятельности человека, таких как автоматический перевод текстов.
В этих случаях программное обеспечение, выполняя задачу, для которой оно было запрограммировано, действует так, как если бы оно было разумным субъектом, но для целей результата не имеет значения, действительно ли это так или нет.
Поэтому мы говорим о слабом искусственном интеллекте во всех тех случаях, когда машина не может мыслить автономно, но все же может моделировать интеллект.
Этот тип ИИ применяется в тех случаях, когда понимание когнитивных процессов человека не имеет отношения к конечному результату.
Мы говорим о сильном искусственном интеллекте, когда машина, оснащенная искусственным интеллектом, - это не просто «инструмент».
При правильном развитии он сам становится мыслящим умом с когнитивными способностями, неотличимыми от человеческого.
В этой философии идея состоит в том, что некоторые формы искусственного интеллекта могут действительно рассуждать и решать проблемы, как это сделал бы человек, поэтому различить результаты работы машины или человека было бы невозможно.
Эти механизмы позволяют интеллектуальной машине со временем улучшать свои возможности и производительность, автоматически обучаясь с опытом для выполнения определенных задач, все больше и больше улучшая свою производительность.
Примером может служить AlphaGo, программное обеспечение от Машинное обучение которого учили, наблюдая за миллионами ходов, сделанных игроками в го во время различных игр, и заставляя машину играть против самой себя, в результате чего он смог победить того, кого считали лучшим игроком в мире этой игры.
Три основных категории машинного обучения:
Эти архитектуры применяются в разных контекстах:
Характеристики Deep Learning по сравнению с другими методами ИИ:
Il Deep Learning он действует с помощью тех же механизмов, что и мозг, машина учится автономно, как и в машинном обучении, но делает это более «глубоко», как это делал бы человеческий мозг. Под глубоким мы подразумеваем «на нескольких концептуальных уровнях».
Может показаться, что большой спрос на вычислительные мощности может быть ограничением, но масштабируемость Deep Learning к увеличению доступных данных и алгоритмов — вот что отличает его от машинного обучения:
Например, в области визуального распознавания метатег «кошка» может быть вставлен в изображения, содержащие кошку, и, не объясняя системе, как его распознать, сама система через несколько иерархических уровней будет угадывать, что характеризует кота (лапы, хвост, мех и т. д.) и, следовательно, научиться его узнавать.
Неструктурированные данные можно анализировать с помощью модели глубокого обучения после того, как она сформирована и достигнет приемлемого уровня точности, но не на начальном этапе обучения.
Il Deep Learning сегодня он уже применяется в различных областях:
Реализация самых передовых аппаратных технологий и использование алгоритмов самообучения, таких как:
создаются технологические платформы, которые пытаются имитировать человеческий мозг, начиная с более простых действий и заканчивая все более сложной обработкой.
Сигнал - это изменение во времени физического состояния системы или физической величины, которая служит для представления и передачи сообщений, то есть информации на расстоянии, поэтому анализ сигналов является компонентом, поддерживающим когнитивные вычисления.
Гугл Дипмайнд, и Байду Минва самые известные примеры, доступные сегодня.
Не говоря уже об историке IBM Watson, первый коммерческий суперкомпьютер в своем роде.
Пристрастие к инновациям
Принцип разделения интерфейсов — один из пяти принципов объектно-ориентированного проектирования SOLID. В классе должно быть…
Microsoft Excel — это справочный инструмент для анализа данных, поскольку он предлагает множество функций для организации наборов данных,…
Walliance, SIM и платформа, входящая в число лидеров Европы в сфере краудфандинга недвижимости с 2017 года, объявляет о завершении…
Filament — это «ускоренная» среда разработки Laravel, предоставляющая несколько полнофункциональных компонентов. Он предназначен для упрощения процесса…
«Я должен вернуться, чтобы завершить свою эволюцию: я спроецирую себя внутрь компьютера и стану чистой энергией. Однажды поселившись в…
Google DeepMind представляет улучшенную версию своей модели искусственного интеллекта. Новая улучшенная модель обеспечивает не только…
Laravel, известный своим элегантным синтаксисом и мощными функциями, также обеспечивает прочную основу для модульной архитектуры. Там…
Cisco и Splunk помогают клиентам ускорить переход к центру управления безопасностью (SOC) будущего с помощью…